人工智能和機器學習技術在2017年風靡全球。看看微軟在牛津的項目，IBM的沃森，谷歌的Deep Mind和百度的超級計算機Minwa，你就會明白現(xiàn)在的趨勢。
2015年，Gartner引入了機器學習（ML）的概念，當時，他預測ML將在2 ~ 5年內達到高峰。現(xiàn)在，F(xiàn)acebook和亞馬遜這些大公司正在越來越多地利用機器學習，從大量的數(shù)據(jù)中提取有價值的信息。
研究預測，到2025年，人工智能市場將增長到約370億美元，而在2015年，它僅有約6.45億美元！
“機器學習是一個核心，是轉變的方式，讓我們重新思考我們正在做的一切。”——Sundar Pichai，谷歌首席執(zhí)行官
機器學習或人工智能廣泛商業(yè)化的成功是無處不在的，從亞馬遜推薦你可能喜歡看的電影到能夠區(qū)分行人和樹的谷歌自駕車。數(shù)據(jù)驅動的AI / ML已經(jīng)幫助商業(yè)領袖做出決定，衡量業(yè)務，研究人類行為和進行預測分析。如果你的組織想要涉足這個非凡的領域，你需要考慮清楚。
隨著并行計算的成本降低，大數(shù)據(jù)的改進和算法的突破，應用型人工智能是當今世界發(fā)展的方向。處理大量數(shù)據(jù)需求以及物聯(lián)網(wǎng)連接設備數(shù)量的增加都大大增加了機器學習的重要性。
AI / ML具有很大潛力，對于工程師或數(shù)據(jù)挖掘、模式識別的愛好者來說，這是一個不錯的職業(yè)選擇。此外，機器學習是數(shù)據(jù)科學不可分割的一部分，被哈佛商業(yè)評論評為21世紀最性感的工作 。
埃文斯數(shù)據(jù)公司的一項研究發(fā)現(xiàn)，接受調查的500名開發(fā)人員中，有36％在其大數(shù)據(jù)或其他分析項目中使用ML元素。首席執(zhí)行官Janel Garvin表示：“機器學習與許多目前正在迅速采用的AI技術，已經(jīng)使大數(shù)據(jù)和高級分析方面的開發(fā)人員處于領先地位。”
她補充說：“我們看到越來越多的開發(fā)人員對各種形式的認知計算產(chǎn)生興趣，包括模式識別、自然語言識別和神經(jīng)網(wǎng)絡，我們充分期待明天的計劃將基于今天這些新興的技術。”
因此，對于擁有計算機科學、機器學習、運籌學或統(tǒng)計學學位的人來說，在未來的一段時間內，世界可能就是他們的囊中之物。
本文整理了一些免費的頂級ML和AI課程，這些課程將幫助你成為下一個ML專家。當然，這是一項艱苦的工作，但是如果你在該領域有所追求，你會發(fā)現(xiàn)通過這種方式，可以取得成功。
Coursera聯(lián)合創(chuàng)始人吳恩達的為期11周的課程。作為一個偏應用的機器學習課程，它講述了最好的機器學習和統(tǒng)計模式識別技術，并教你如何實現(xiàn)學習的算法。
廣泛地講，它包括有監(jiān)督和無監(jiān)督學習，線性和邏輯回歸，正則化和樸素貝葉斯。他使用Octave和MatLab。該課程還有豐富的案例研究和一些實際應用。要求學生了解概率、線性代數(shù)和計算機科學的基礎知識。該課程廣受用戶好評。
課程鏈接：
https://www.coursera.org/learn/machine-learning
作為Udacity數(shù)據(jù)分析師納米學位的一部分，這個大約為期10周的課程教授了使用機器學習處理數(shù)據(jù)集所需的所有知識，以提取有用的見解。教師Sebastian Thrun和Katie Malone要求初學者了解Python和基本的統(tǒng)計概念。
本課程教授從聚類到?jīng)Q策樹，從Adaboost到SVM等ML算法。此外，許多用戶還建議參加數(shù)據(jù)科學基礎課程，包括數(shù)據(jù)操作、數(shù)據(jù)分析、信息可視化、數(shù)據(jù)通信以及大規(guī)模數(shù)據(jù)處理等內容。
課程鏈接：
https://www.udacity.com/course/intro-to-machine-learning--ud120
加州理工大學電子工程與計算機科學教授Yaser S. Abu-Mostafa將向你介紹機器學習的基本理論原理、算法和應用。
課程需要每周花費10到20小時，持續(xù)10周。他們還有5周的課程，基于數(shù)據(jù)科學和分析的機器學習，新手可以學習更多的算法。
課程鏈接：
https://www.edx.org/course/learning-data-introductory-machine-caltechx-cs1156x#!
這是YouTube上一個高級機器學習視頻系列講座，教師Larry Wasserman是卡內基梅隆大學統(tǒng)計系和機器學習系教授。
本課程是他為博士生準備的中級統(tǒng)計和機器學習講座。如果你想理解這些課程，需要確保自己有一定的數(shù)學、計算機科學和統(tǒng)計基礎。
課程鏈接：
https://www.youtube.com/watch?list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE&v=zcMnu-3wkWo
多倫多大學名譽教授Gregory Hinton也在谷歌山景城工作，他教這個由Coursera提供的為期16周的高級課程。
作為深度學習領域的先驅，Hinton在YouTube上的演講視頻講述了神經(jīng)網(wǎng)絡在圖像分割、人體運動、建模語言、語音和物體識別等方面的應用。本課程希望學生熟練掌握微積分，并具有Python編程經(jīng)驗。
課程鏈接：
https://www.youtube.com/watch?list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9&v=cbeTc-Urqak
Udacity提供了這個讓機器學習更上一層樓的免費課程。Google的3個月課程不適合初學者。它討論了深度學習的動機，深度神經(jīng)網(wǎng)絡，卷積網(wǎng)絡以及文本和序列的深層模型。
課程負責人Vincent Vanhoucke和Arpan Chakraborty希望學習者具有Python編程經(jīng)驗和一些GitHub經(jīng)驗，并了解機器學習、統(tǒng)計學、線性代數(shù)和微積分的基本概念。其中TensorFlow（谷歌自己的深度學習庫）課程還有一個額外的優(yōu)勢，那就是可以自己掌握進度。
課程鏈接：
https://www.udacity.com/course/deep-learning--ud730
DataCamp提供這種交互式的學習體驗，將幫助你在Kaggle競賽中獲得高分。他們還有免費的介紹R的課程。
課程鏈接：
https://www.kaggle.com/c/titanic/details/new-getting-started-with-r
微軟數(shù)據(jù)科學專業(yè)計劃證書的一部分，這是一個為期6周的中級課程。它教你如何使用Python、R和Azure云平臺來構建和使用機器學習模型。
教師Steve Elston和Cynthia Rudin博士在課程中介紹了機器學習中的分類、回歸、監(jiān)督模型、非線性建模、聚類和推薦系統(tǒng)。如果想要獲得認證證書，就需要付款了。
課程鏈接：
https://www.edx.org/course/principles-machine-learning-microsoft-dat203-2x-2
華盛頓大學已經(jīng)創(chuàng)建了五門課程，通過實際案例研究，介紹機器學習的基礎知識。這個為期6周的課程，每周需要5到8小時的學習時間，包括ML基礎、分類、聚類、回歸、推薦系統(tǒng)、降維以及介紹一些使用深度學習的項目。
亞馬遜的Emily Fox和Carlos Guestrin是指導老師，他們要求學習者掌握基本的數(shù)學和編程技巧，并掌握Python的相關知識。課程學習是免費的，獲得有效的證書需要付費。
課程鏈接：
https://www.coursera.org/specializations/machine-learning
EdX的這個激動人心的課程講述了AI應用，例如機器人學和NLP，機器學習（AI分支）算法，數(shù)據(jù)結構，游戲和約束滿足問題。它持續(xù)12周，是哥倫比亞大學的高級教程。
課程鏈接：
https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x
該課程介紹AI的“代表性應用程序”。它是“機器學習工程師納米學位計劃”的一部分。教師Sebastian Thrun和Peter Norvig帶你了解AI的基礎知識，包括貝葉斯網(wǎng)絡，統(tǒng)計數(shù)據(jù)和機器學習以及AI應用，如NLP、機器人技術和圖像處理的應用。課程要求學生知道線性代數(shù)和概率論。
課程鏈接：
https://www.udacity.com/course/intro-to-artificial-intelligence--cs271
這個斯坦福大學的課程講述了AI如何使用數(shù)學工具來處理機器翻譯、語音、人臉識別以及自動駕駛等方面的復雜問題。課程大綱包括：機器學習概念，樹搜索、動態(tài)規(guī)劃、啟發(fā)式，AI玩游戲，馬爾可夫決策過程，約束滿足問題，貝葉斯網(wǎng)絡，邏輯和任務。
課程鏈接：
http://web.stanford.edu/class/cs221/
這個課程由Udacity提供，講述了如何模仿斯坦福和谷歌的做法來編程一個機器人汽車。它是深度學習納米學位基礎課程的一部分。Sebastian Thrun將教授定位，卡爾曼和粒子濾波器，PID控制和SLAM等內容。課程要求學生對線性代數(shù)和概率等數(shù)學概念，Python知識以及編程經(jīng)驗有一定的掌握。
課程鏈接：
https://www.udacity.com/course/artificial-intelligence-for-robotics--cs373
本文列出的一些課程旨在幫助你快速進入機器學習和人工智能這個令人興奮和快速發(fā)展的領域。這些專注于特定學習領域的世界級課程，是你在機器學習、數(shù)據(jù)科學等領域獲得璀璨職業(yè)生涯的極好基石。
所以一旦你確定了自己的學習目標，并具備一定的技術能力，那么，請制定一份學習計劃，給自己設定一個時間限制，然后，請自律，并按時完成計劃；嘗試與他人有效地合作，最重要的是找到方法，并始終保持動力。
